Journal of Alzheimer's disease : JAD · 2025
Benchmarking Gaussian processes for prediction and data assimilation of Alzheimer's disease progression.
СтатьяПоддержка исследования: вне правительства СШАНазвание и аннотация: Перевод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Batlle Pau, Darcy Matthieu, Levine Matthew, Hamzi Boumediene, Owhadi Houman, Bastani Mehrad, Zhang Yi, Sarsour Khaled, Talamas Francisco, CPAD Database
Аннотация
The ability to predict the trajectory of disease progression with high resolution for individual patients can enhance clinical trial design, enabling personalized, data-driven medical approaches. In this study, we deployed a kernel/Gaussian process-based dynamic model to predict Alzheimer's disease progression. Our numerical results demonstrate that the dynamic method outperforms static linear regression, improving the prediction of ADAS-Cog 11 subscores over extended periods by effectively incorporating intermediate data observations. This approach highlights the potential of computational models in enhancing clinical trial design and advancing personalized medicine for Alzheimer's disease.